近几年全球物流迎来的新的变革，移动互联和大数据成为推动新变革的核心引擎。今天的中国物流，在电子商务和互联网经济的推动下，物流运营也正在从粗放的传统物流管理逐步向数据化、可视化的现代物流转型。

在国外领先企业中DHL应用大数据加快了自身反应速度，分析客户数据做精准服务；UPS通过大数据调整了配送策略节省了大量燃油成本：FleetRisk Advisors可对车队管理做全程监控，甚至能觉察到司机的心理变化......众多欧美物流企业在大数据应用方面都有创新之处，为了让国内物流行业人士更多的了解大数据能给物流行业带来的价值，本文汇总了欧美物流领域大数据应用八大案例，希望能给行业人士带来帮助。

一、DHL

DHL是全球最大的速递货运公司之一。DHL的快运卡车特别改装成为Smart truck，并装有摩托罗拉的XR48ORFIO阅读器，每当运输车辆装载和卸载货物时，车载计算机会将货物上RFID传感器的信息上传至服务器，服务器会在更新数据之后动态运算出最新最优的配送序列和路径。

另一方面，在运送途中，远程信息外理数据库会根据即时交通状况和GPS数据实时更新配送路径，做到更精确的取货和交货、对随时接收的订单做出更灵活的反应以及向客户提供有关取货时间的精确信息。

DHL通过对末端运营大数据的采集，实现全程可视化的监控，实现最优路径的调度，同时精确到每一个运营节点。

此外，拥有Crowd-based手机应用程序的顾客可以实时更新他们的位置或者即将到达的目的地，DHL的包裹配送人员能够实时收到顾客的位置信息，防止配送失败。甚至按需更新配送目的地。

二、FedEx

FedEx是世界最大的快递集团之一，联邦快递甚至可以让包裹主动传递信息。通过灵活的感应器，诸如SenseAware可以实现近乎实时的反馈，包括温度、地点和光照，使得客户在任何时间都能了解到包裹所处的位置和环境。而司机也可在车里直接修改订单物流信息。

除此以外，联邦快递正在努力推动更加智能的递送服务，实现在被允许的情况下实时更新和了解客户所处的地理位置，使包裹更快速和精确的送达客户的手中一一无论何时何地。当然，可以推测FedEx现在只是处于数据收集阶段，将来可能会根据收集到的历中数据和实时增量数据，通过大数据解决方案解决FedEx更多的问题，提升竞争力。

FedEx通过SenseAware实现包裹信息的实时反馈，包括温度和湿度等，实现任何时间都能了解到包裹所处的位置和环境。

三、UPS

UPS通过大数据实现配送末端最优路径的规划，同时提出尽量右转的配送策略，实现每年节省5千万燃油成本，并增加35万包裹配送。

UPS特有的基于大数据分析的ORION系统通过联网配货机动车的远程信息服务系统，实时分析车辆、包裹信息、用户喜好和送货路线数据，实时计算最优路线，并且全程通过GPS跟踪信息。

UPS最著名的大数据分析案例就是送货卡车不能左转。根据ORION系统分析：左转会导致货车在左转道上长时间等待，不但增加油耗，而且发生事故比例也会上升，所以UPS基于城市车流大数据绘制了“连续右转环形行驶”的送货路线图，实现高效配送。

到2017年旗下的每一位司机都参与该项目之后，只需让每位司机每日送货路程都因此而缩减1英里，每年就可节省5，000万美元成本。ORION以后也将预测恶劣天气、交通状况，并评估会造成司机送货路线上的行程放缓的其他变数，增加配送效率。

四、FleetBoard

FleetBoard与梅赛德断奔驰一样是截姆勒集团旗下子公司，致力于通过大数据处理为物流行业容户提供远成信息化车队管理解决方案。

通过大数据解决方案实现数据采集和全程监控，包括驾驶司机的驾驶动作、车辆温度、车门打开等细节。

车辆上的终端通过移动通信系统与Fleetboard的服务器建立联系，互换数据。物流公司或车队管理者可直接访问GPS以及其他若干实时数据，如车辆行驶方向。停车/行驶时间和装/卸货等信息。此外，通过计算驾驶员急加速、急刹车的次数、经济转速区行驶时间和怠速长短等信息，通过数据的对比更有说服力，可以直接的帮助驾驶员发现驾驶命令中的问题并改进提高。

对于冷链运输的用户，Fleetboard有专门的数据管理系统、实时监测冷藏车的温度、车门是否打开等情况，自动向手机或电子邮箱发送警示信息。

五、Con-Way

Con-WayFreight是全球货物运输和物流中的龙头企业，提供零担运输、第三方物流和大宗货物运输等服务，范围覆盖了全美以及北美五大洲的18个国家。但是营运过程中产生的海量非结构化数据十分考验公司对于数据的提取速度、分析的效率和精确度。

而大数据解决方案使得Con-way Freight的高管们能够在开会时，不管谁提出什么问题，系统总能够集成实时增量数据，根据询问和处理非结构化数据快速得出准确的答案。Ad-Hoc使得公司可以定义需要监控的配送流程，预测商业活动内部和外部因素的影响以及为CRM和营销计划提供消费者划分。

甚至可以定位到任何一位客户，实时分析送达率和具体的货运损失等信息。而Scorecarding能够将原定目标和实时表现进行对比，使Con-wayFreight能够随时根据对比结果全面凋整和提高运营表现。

Con-wayFreight后台高管在开会时，能够通过大数据解决方案快速得出准确的数据报告，做出恰当及时的运营决策。

六、Yellow Buses

Yellow Buses是英国伯恩茅斯地区的公共交通系统运营商，隶属于巴黎大众运输公司。公共交通系统运营商对于大数据的使用一样能够带来奇效。

通过对历史运营数据和实时增量数据的分析，掌控和管理每个车辆的运营数据，优化运营路线和发车频率。

YellowBuses根据对公司现有的历史数据进行分析，并在实时更新的数据基础上进行评估，能够详细的掌控和管理公司旗下每一辆公交车。通过及时获职最需要的数据，如维护成本、故障频率、燃料成本和运行路线等，Yellow Buses能够将这些数据与乘客数量、票价、发车频率等实时数据一起分析评估，优化公交路线和发车频率，有效的降低成本，提高服务质量，增加利润。

七、C.H.Robinson

罗宾逊，北美最大的第三方物流公司，拥有全美最大的卡车运输网络，却没有一辆货车。它轻资产的运营，用1.5亿美元的固定资产，创造了114亿美元的收入、4.5亿美元的利润。

它的新生始于1997年的商业模式变革，主动放弃了自有货车，建立了专门整合其他运输商的物流系统，通过系统对社会资源进行整合，从而建立的平台经济。罗宾逊的平台模式由三部分构成：1.TMS平台，用来链接运输商；2.“导航球”Navisphere平台，用来连接客户；3.做支付的中间账户，同时提供咨询服务。2012年支付服务带来大约五亿美元的净收入，咨询服务带来了12亿美元的收入。

罗宾逊通过系统的两大平台：导航球（Navisphere）和TMS平台，对接客户群和运输商，沉淀形成的大数据库可支持罗宾逊的增值服务。

客户通过导航球(Navisphere)找车，TMS平台对接运输商，通过系统上的两大平台来实现客户与运输商的对接，整个交易平台上沉淀下来的数据可以支持罗宾逊的金融支付业务和咨询业务。

八、FRA

FleetRiskAdvisors为运输行业提供预测分析和风险预防或补救解决方案。FRA根据历史数据和实时增量数据得出司机工作表现模型和若干预测模型，能够准确的预测可通免的事故、员工流动等问题。

如根据司机实时的工作表现波动情况，预测司机疲劳程度和排班安排等，为客户提供合理的解决方案以便提高司机安全系数，此外还能根据司机和机动车的实时状况预测可能发生的风险，并及时提供预防或补救解决方案。

FleetRiskAdvisors通过大数据解决方案得出司机工作表现模型若干预测模型，解决了事故发生率和人员流动等人事部门的问题。